公开(公告)号：CN112364978A

公开(公告)日：2021-02-12

申请号：CN202011223533.8

申请日：2020-11-05

Applicant: 哈尔滨工程大学

Inventor： 李秀坤 ,  王集 ,  于歌 ,  董建维

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种用于系统辨识的神经网络训练集构造方法，本发明先利用成熟的线性系统理论，将系统近似为线性系统进行预处理。首先利用自相关函数，大致计算出系统的最佳阶数，然后利用谱估计技术计算白化滤波器获得预训练过程中的参考信号。最后以参考信号和系统输出的均方误差作为评价准则，找到最佳阶数的精确值。利用此精确值，即可构造用于系统辨识的数据集，提高神经网络性能。利用该方法构造的数据集可以使完成系统辨识任务的神经网络快速收敛，并且具有较高的辨识性能。

公开(公告)号：CN109752086B

公开(公告)日：2020-12-04

申请号：CN201811584309.4

申请日：2018-12-24

Applicant: 哈尔滨工程大学

Inventor： 李秀坤 ,  王集 ,  贾红剑

IPC: G01H17/00 ,  G06F17/10

Abstract: 本发明属于水声领域，公开了基于BELLHOP的快速声场计算方法，步骤(1)：指定基础步长L0、海洋深度h0、声源初始深度hs、以及边界容限Δh；步骤(2)：建立水深与声速的函数关系f(h)；步骤(3)：定义f(h)的导函数g(h)；步骤(4)：求|g(h)|的最大值max|g(h)|，令M＝max|g(h)|；步骤(5)：对f(h)进行插值，获得在hs深度处声速值f(hs)及f(hs)的导数g(hs)；步骤(6)：若hs＜Δh或hs＞h0‑Δh，令g(hs)＝M；步骤(7)：对f(hs)的导数g(hs)进行归一化，令g2(hs)＝g(hs)/M；步骤(8)：构造满足约束条件的g(h)和网格尺寸的映射关系r(g(h))；步骤(9)：计算网格边长L；步骤(10)：计算当前网格内及边界处声场分布；步骤(11)：判断当前位置是否达到接收点；步骤(12)：声场计算结束，停止计算。本发明保证了声场计算的速度、提高了声场计算的精度。

公开(公告)号：CN111323752A

公开(公告)日：2020-06-23

申请号：CN202010219550.8

申请日：2020-03-25

Applicant: 哈尔滨工程大学

Inventor： 李秀坤 ,  王集 ,  于歌 ,  董建维

IPC: G01S5/18

Abstract: 本发明提供一种远近场过渡区间声源定位方法，解决声源处于远场和近场过渡距离上的高精度定位问题。本文首先分析了声源处于过渡距离上声源定位误差大的原因，然后针对空间中每个点都仿真产生阵列接收信号，计算接收信号的相关矩阵作为输入数据，将对应点的坐标作为标签，构建数据集。利用残差神经网络学习从相关矩阵到坐标的非线性映射关系，从而可以将神经网络作为处于过渡区间的声源位置估计器，最终实现介于远场和近场之间过渡区间的声源高精度定位。